本論文以 Intel Pentium(R) P7350 2.00GHz CPU 的電腦來做以下實驗，本論文利用加 速型正規化交互相關性法做 Mura 瑕疵的檢測，針對 Mura 低對比的特性，本論文利用 來源影像產生出樣板影像，大小為13×13之方型矩陣，本實驗是利用水平結構做初步實 驗，透過樣板比對及正規化交互相關性法之匹配運算，再以門檻值T =0.3來進行二值 化動作，而在本論文中使用十張與傳統正規化交互相關性法實驗相同之影像來進行實驗 測試，可以得到表 4.1 的結果。
表 4.1 傳統方法與加速型正規化交互相關性之比較(水平方向)
數據參數 所需時間 所需時間比
實驗原圖 影像大小 面積比 傳統方法 加速型 傳統方法 加速型 圖 3.4(a) 60 ×60 1.00 0.031 0.016 1.00 1.00 圖 3.5(a) 70 ×70 1.36 0.031 0.016 1.00 1.00 圖 3.6(a) 125 ×125 4.34 0.078 0.031 2.52 1.94 圖 3.7(a) 138 ×138 5.29 0.094 0.032 3.03 2.00 圖 3.8(a) 153×153 6.50 0.109 0.047 3.52 2.94 圖 3.9(a) 166 ×166 7.65 0.125 0.047 4.03 2.94 圖 3.10(a) 166 ×166 7.65 0.125 0.047 4.03 2.94 圖 3.11(a) 187 ×187 9.71 0.172 0.063 5.55 3.94 圖 3.12(a) 195 ×195 10.56 0.187 0.063 6.03 3.94 圖 3.13(a) 202 ×202 11.33 0.187 0.078 6.03 4.88
表 4.1 中之所需時間比本論文是以影像尺寸最小的圖 3.4(a)為基準，分別求得各自 之時間比值出來；理論上，影像尺寸越大，所需時間原本就會越多，但由表 4.1 可知，
隨著影像大小的增加，雖然面積比都相同，但本論文所提出的加速型方法的所需時間比 會比傳統方法的所需時間比明顯加速約一倍至一倍多，由此可知本論文的確改善了傳統 方法所耗費之龐大運算量，並可透過門檻值的設立後，進行二值化可達到找出 Mura 瑕 疵其方向性之相關性的結果，但由於 Mura 瑕疵並不單單只有水平方向，所以本論文的 第五章中針對方向性，將樣板影像增加了垂直、45 及° 135 另外三種結構，將於下一章° 做詳細介紹。。
第 第
第 第5章 章 章 章 正規 正規 正規 正規化 化 化交 化 交 交互相關 交 互相關 互相關性方向性之改良 互相關 性方向性之改良 性方向性之改良 性方向性之改良
5.1 樣板影像的 樣板影像的 樣板影像的 樣板影像的建立 建立 建立 建立
由於是針對方向性的問題做改良，所以本論文一樣利用原始影像算出其平均值c， 再利用本論文所需特徵的特性，建立四個13×13的陣列，分別為水平、垂直、 °45 及135 ，° 陣列結構如圖 5.1 至圖 5.4 所示，白色部份的值設為平均值c，灰色部份為c+1。
圖 5.1 水平樣板結構示意圖 圖 5.2 垂直樣板結構示意圖
圖 5.3 45 樣板結構示意圖 ° 圖 5.4 135 樣板結構示意圖 °
5.2 正規 正規 正規 正規化 化 化 化交 交 交 交互相關 互相關 互相關 互相關性方向性改良之計算 性方向性改良之計算 性方向性改良之計算 性方向性改良之計算
在此節中，本論文依然利用 4.2 節中的方法以記憶體換取運算時間，只是增加了一 組記憶體存放垂直方向加總的值；水平樣板影像與 4.2 節相同以垂直方向匹配(如圖 5.5)；而當垂直樣板影像以水平方向匹配時(如圖 5.6)，如同 4.2 節的概念使用式(4.1)，
只是將R 以 C 替換，分別將第一行到第五行加總可各自得到 C1至C 的值加總並紀5 錄，再利用CS,1將C1至C 的值加總並紀錄，所以當進行下一個區塊的樣板比對時，只需5 要將CS,1減去C1加上C 即可得到下一個區塊之總和6 CS,2，而第+1個區塊的總和CS,+1 即為CS,減去C 加上 C+5，其計算方式大致與垂直方向相同，但其樣板比對進行方向 為先由左而右，再由上而下。
圖 5.5 Template matching (垂直方向) 圖 5.6 Template matching (水平方向)
本論文是利用大量的記憶體空間去換取節省運算量的時間，加上本論文此處利用四 個樣板結構，每做一次樣板比對，本論文依水平、垂直、45 及° 135 結構順序做匹配，° 當其中一個結構性有找到瑕疵時，其餘結構性即可不需計算，直接移到下一個樣板區塊 進行正規化交互相關之方向性運算。
5.3 實驗結果 實驗結果 實驗結果 實驗結果
本論文是以 Intel Pentium(R) P7350 2.00GHz CPU 的電腦來做以下實驗，利用改良方
的結構一起進行實驗，透過樣板比對及正規化交互相關性法之匹配運算，再以門檻值 3
0.
T = 來進行二值化動作，本實驗使用十張與加速型及方向性相同之 Mura 瑕疵影像來 進行實驗測試，其與傳統正規化交互相關性之比較結果如下：
(a) 原圖 (b) 輸出結果圖
圖 5.7 Mura 瑕疵影像 1，影像大小：6 ×0 60
(a) 原圖 (b) 輸出結果圖
圖 5.8 Mura 瑕疵影像 2，影像大小：70 ×70
(a) 原圖 (b) 輸出結果圖
圖 5.9 Mura 瑕疵影像 3，影像大小：125 ×125
(a) 原圖 (b) 輸出結果圖
圖 5.10 Mura 瑕疵影像 4，影像大小：138 ×138
(a) 原圖 (b) 輸出結果圖 圖 5.11 Mura 瑕疵影像 5，影像大小：153×153
(a) 原圖 (b) 輸出結果圖
圖 5.12 Mura 瑕疵影像 6，影像大小：166 ×166
(a) 原圖 (b) 輸出結果圖
圖 5.13 Mura 瑕疵影像 7，影像大小：166 ×166
(a) 原圖 (b) 輸出結果圖 圖 5.14 Mura 瑕疵影像 8，影像大小：187 ×187
(a) 原圖 (b) 輸出結果圖
圖 5.15 Mura 瑕疵影像 9，影像大小：195 ×195
(a) 原圖 (b) 輸出結果圖
圖 5.16 Mura 瑕疵影像 10，影像大小：202 ×202
由於傳統方法與加入方向性之方法所得的輸出結果皆會相同，因此本論文僅列出原 圖及輸出結果圖；以圖 5.7 為例，圖 5.7(a)為瑕疵原圖，原本位於中間部份有一道稍微 明顯的低對比瑕疵，經過正規化交互相關性之運算後，利用四個方向結構的瑕疵樣板，
再透過二值化結果可以看出，原本不明顯瑕疵部份，皆可被突顯出來，偵測出其相關位
置。本論文在這使用了十張含有 Mura 瑕疵的影像(圖 5.7 至 5.16)，由輸出結果圖(圖 5.7(b) 至 5.16(b))可以看出，本論文所提出的方法，能有效地突顯出其瑕疵的相關性。
表 5.1 使用方向性正規化交互相關性計算後之結果
數據參數 所需時間 所需時間比
實驗原圖 影像大小 面積比 傳統方法 方向性 傳統方法 方向性 圖 5.7(a) 60 ×60 1.00 0.031 0.016 1.00 1.00 圖 5.8(a) 70 ×70 1.36 0.031 0.016 1.00 1.00 圖 5.9(a) 125 ×125 4.34 0.109 0.062 3.52 3.88 圖 5.10(a) 138 ×138 5.29 0.140 0.063 4.52 3.94 圖 5.11(a) 153×153 6.50 0.172 0.078 5.55 4.88 圖 5.12(a) 166 ×166 7.65 0.188 0.094 6.06 5.88 圖 5.13(a) 166 ×166 7.65 0.188 0.094 6.06 5.88 圖 5.14(a) 187 ×187 9.71 0.250 0.125 8.06 7.81 圖 5.15(a) 195 ×195 10.56 0.265 0.125 8.55 7.81 圖 5.16(a) 202 ×202 11.33 0.297 0.156 9.58 9.75
透過表 5.1 可以看出本論文針對四個方向性一起做的時間部份加速改良的情況，加 入其他三個方向性結構後，傳統方法為四個方向全做，而方向性的方法則是滿足條件即 可換下一個區塊進行運算，因此這也是本論文針對所需要的目的而省略的方法之一。
第 第 第
第6章 章 章 結論 章 結論 結論 結論
本論文主要目標是建立一套自動化光學檢測系統做為顯示面板上瑕疵的檢驗方 式，以代替人工檢驗來找出是否因人為疏忽而導致誤判導致正確性不佳的問題，顯示面 板可能的瑕疵有亮點、暗點、刮傷及 Mura 瑕疵…等等，而本論文是針對低對比的暗點 與 Mura 瑕疵進行檢測，其分別應用於 PLED 與 AR 玻璃上，但是對於不同的瑕疵，方 法也有所不同。
因此為了瞭解自動化光學檢測系統的應用，本論文先實踐李孟坤提出的暗點抽出法 於 PLED 上，明白利用數位影像處理技術，即可達到需人工檢測且耗時的瑕疵檢測效果；
接著進而轉往 Mura 瑕疵於 AR 玻璃上進行檢測，由於其低對比的特性，因此本論文先 於傳統方法部份先建立一水平結構之樣板影像，再與來源影像進行樣板匹配，做完正規 化交互相關性之運算後，由二值化結果看出其結果；但傳統部份時間隨影像大小增加而 相對耗時，因此本論文利用記憶體換取運算時間的方式進行加速，並透過程式撰寫的技 術將公式改寫也能達到一定的時間減少；最後加入四個方向性的探討，一樣是使用記憶 體空間換取運算時間，由於本論文是利用方向性結構方式進行運算時間的減少，但是樣 板結構僅能針對水平及垂直樣板有節省到運算時間，45 及° 135 之樣板則只有部份的加° 速，因此最後判斷是否為瑕疵部份本論文即是依水平、垂直、45 及° 135 順序做判別，° 且整體看來有達到改善的效果。
參考文獻 參考文獻 參考文獻 參考文獻
[1] 張國政，「CMOS Sensor 自動光學檢測機台之設計及開發」，國立交通大學工業工 程與管理學系碩士論文，2006。
[2] 陳宗達，「CMOS 玻璃蓋片自動光學檢測機台之設計及開發」，國立交通大學工業 工程與管理學系碩士論文，2005。
[3] 林祺銘，「玻璃基板邊緣檢測系統之研發」，國立高雄應用科技大學機械與精密工程 研究所碩士論文，2008。
[4] 張頌榮，「TFT-LCD 面板之點線瑕疵自動化檢測系統」，國立成功大學製造工程研 究所碩士論文，2005。
[5] 劉明進，「高亮度 LED 外觀瑕疵檢測技術」，國立暨南國際大學資訊工程學系碩士 論文，2005。
[6] 游舜豪，「應用高解析度線掃描 CCD 於 ITO 導電玻璃表面瑕疵檢測之研究」，國立 台灣科技大學自動化及控制研究所碩士論文，2006。
[7] 陳黛詩，「運用光學檢測系統於 PLED 瑕疵檢測之設計」，國立交通大學工業工程 與管理學系碩士論文，2007。
[8] 李孟坤，「高分子有機發光二極體瑕疵自動光學檢測系統」，國立交通大學工業工 程與管理學系碩士論文，2005。
[9] 江嘉明，「高分子聚合物發光二極體之電腦視覺輔助瑕疵檢測系統」，國立台灣大 學資訊工程研究所碩士論文，2003。
[10] M. A. Sutton, M. Cheng, W. H. Peters, Y. J. Chao, and S. R. McNeill, “Application of an optimized digital correlation method to planar deformation analysis,” Image and Vision Computing, Vol. 4, No. 3, pp. 143-150, 1986.
[11] T. Shioyama and J. Hamanaka, “Recognition algorithm for handprinted Chinese characters by 2D-FFT,” International Conference on Pattern Recognition, Vol. 3, pp.
225-229, 1996.
[12] 李淑惠，「X-RAY 即時影像強化與瑕疵偵測之研究」，私立元智大學工業工程與管 理研究所碩士論文，2001。
[13] D. M. Tsai and C. T. Lin, “Fast normalized cross-correlation for defect detection,”
[14] D. M. Tsai and C. T. Lin, and J. F. Chen, “The evaluation of normalized cross-correlations for defect detection,” Pattern Recognition Letters, Vol. 24, pp.
2525-2535, 2003.
[15] 彭光裕，「應用電腦視覺技術於表面黏著元件印刷電路板之自動檢測新系統設計及 開發」，國立交通大學工業工程與管理研究所碩士論文，1996。
[16] R. C. Gonzalez and R. E. Woods, Digital Image Processing, Addison-Wesley Publishing Company, pp. 418-421, 1993.
[17] G. D. David and Z. Dongming, “A flaw detection method based on morphological image processing,” IEEE Transactions on Circuit and Systems for Video Technology, Vol. 3, pp.
389-399, 1993.
[18] 王定一，「印刷電路板製程瑕疵檢測與分析之研究」，中原大學工業工程研究所碩 士論文，2001。
[19] W. Y. Wu, “Automated inspection of printed circuit boards through machine vision,”
Computer in Industry, Vol. 28, pp. 103-111, 1996.
[20] 陳俊嘉，「即時影像追蹤之自走車設計」，國立中央大學電機工程學系碩士論文，
2006。
[21] Y. Nakagawa and A. Rosenfeld, “Some experiments on variable thresholding,” Pattern Recognition, Vol. 11, pp. 191-204, 1979.
[22] M. Rasser and Y. Egels, Digital Photogrammetry, Ch. 3, Taylor & Francis, 2002.